คอมพิวเตอร์บรรลุเป้าหมายสำหรับเพื่อการฝึกซ้อมเพื่อกำหนดสัตว์ในภาพถ่าย

ความเจริญรุ่งเรืองทางปัญญาประดิษฐ์เนื้อหาในบทความที่เผยแพร่ในวารสารทางวิทยาศาสตร์ในนิเวศวิทยาและก็วิวัฒนาการอธิบายว่าเป็นความก้าวหน้าที่สำคัญในการค้นคว้าและก็การอนุรักษ์สัตว์ป่า ตอนนี้มีโมเดลคอมพิวเตอร์อยู่ในชุดโปรแกรมคอมพิวเตอร์สำหรับโปรแกรม ซึ่งเป็นภาษาเขียนโปรแกรมที่ใช้กันอย่างล้นหลามรวมทั้งสภาพแวดล้อมซอฟต์แวร์เสรีสำหรับการคำนวณทางสถิติ

ความรู้ความเข้าใจสำหรับเพื่อการเจาะจงภาพได้อย่างเร็วนับล้านภาพจากกล้องแอบฟังของทางกล้องถ่ายรูปสามารถแปลงกรรมวิธีดีไซน์แล้วก็จัดการศึกษาเล่าเรียนด้านสัตว์ป่าของบรรดานักนิเวศน์วิทยาได้” นักเขียนพรีเซ็นท์คือ UW Department of Zoology and Physiology Ph.D. จบการศึกษาจากไมเคิลทาบาคและก็ไรอันมิลเลอร์ทั้งยังศูนย์ระบาดวิทยาแล้วก็สุขอนามัยสัตว์ของกระทรวงเกษตรสหรัฐอเมริกาในเมืองฟอร์ตคอลลินส์วัวโล

การเล่าเรียนสร้างผลที่เกิดขึ้นจากงานวิจัยของ UW ซึ่งพิมพ์เมื่อต้นปีก่อนหน้าที่ผ่านมาในรายงานฉบับปัจจุบันของสถาบันวิจัยวิทยาศาสตร์แห่งชาติ (PNAS) ซึ่งเป็นโมเดลคอมพิวเตอร์วิเคราะห์ภาพ 3.2 ล้านภาพที่ถ่ายโดยกล้องถ่ายสำหรับรูปในแอฟริกาโดยแผนการวิทยาศาสตร์ราษฎรที่เรียกว่าSnapshot Serengeti เทคนิคปัญญาประดิษฐ์ที่เรียกว่าการจัดกลุ่มภาพสัตว์อย่างลึกซึ้งโดยมีอัตราความถูกต้องชัดเจนจำนวนร้อยละ 96.6 เหมือนกันกับกรุ๊ปอาสาสมัครมนุษย์บรรลุผลสำเร็จในอัตราที่เร็วทันใจกว่าคนธรรมดาทั่วไป

ในการศึกษาล่าสุดนักวิจัยได้รับการฝึกหัดโครงข่ายประสาทเทียมลึกบนเทือกเขาคอมพิวเตอร์ Mount Moran ซึ่งเป็นกรุ๊ปคอมพิวเตอร์ที่มีประสิทธิภาพสูงของ UW เพื่อแยกประเภทสัตว์ป่าโดยใช้ภาพลักษณาการดักจับสัตว์ 3.37 ล้านภาพจาก 27 ชนิดของสัตว์ที่ได้รับจากห้าเมืองทั้งประเทศสหรัฐอเมริกา แบบจำลองนี้ได้รับการทดสอบในเกือบ 375,000 ภาพสัตว์ในอัตราโดยประมาณ 2,000 ภาพต่อนาทีบนคอมพิวเตอร์แล็ปท็อปโดยมีความเที่ยงตรง 97.6 เปอร์เซ็นต์ซึ่งน่าจะเป็นความเที่ยงตรงสูงสุดสำหรับเพื่อการใช้การศึกษาด้วยเครื่องเพื่อจัดหมวดหมู่สัตว์ป่า

โมเดลคอมพิวเตอร์ยังได้รับการทดลองในชุดย่อยที่มีอิสรภาพของภาพกวางมูซกวางกวางและก็หมูป่าจำนวน 5,900 รายจากประเทศแคนาดาโดยมีอัตราความถูกต้องชัดเจน 81.8 เปอร์เซ็นต์ และไปถึงเป้าหมายสำหรับการลบภาพ ว่าง” (ไม่มีสัตว์อะไรก็ตามออกมาจากชุดรูปภาพที่นำมาจากประเทศแทนซาเนียถึง 94 เปอร์เซ็นต์

นักวิจัยได้สร้างแบบจำลองของตนเองขึ้นในแพคเกจซอฟต์แวร์ในโปรแกรม R. แพคเกจ “Machine Learning for Wildlife Image Classification in R (MLWIC)” ช่วยทำให้ผู้ใช้รายอื่นสามารถแบ่งประเภทและชนิดภาพที่มี 27 จำพวกในชุดข้อมูลได้ ยังช่วยให้ผู้ใช้สามารถฝึกฝนแบบจำลองการเล่าเรียนด้วยเครื่องของตนเองโดยใช้ภาพที่เอามาจากชุดข้อมูลใหม่

นักเขียนบทนำของบทความ PNAS, วิทยาการคอมพิวเตอร์ล่าสุด Ph.D. สำเร็จการศึกษา Mohammad Sadegh (Arash) Norouzzadeh ยอดเยี่ยมในผู้ร่วมเขียนบทความฉบับใหม่ในด้านนิเวศวิทยาและก็พัฒนาการนักค้นคว้าที่ร่วมแผนการอื่นๆจาก UW อย่างเช่น ภาควิชาวิทยาการคอมพิวเตอร์รองศาสตราจารย์ Jeff Clune รวมทั้งนักวิจัยหลังปริญญาเอกของเอลิซาเบ ธ แมนวิลล์จากหน่วยวิจัยสหพันธรัฐไวโอมิงรวมทั้งสัตว์ป่า

หน่วยงานอื่นๆที่เป็นตัวแทนในกลุ่มวิจัยเป็นหน่วยงานวิจัยสัตว์ป่าแห่งชาติของ USDA มหาวิทยาลัยแห่งรัฐแอริโซนา California Conservation of Tejon Ranch มหาวิทยาลัยหน้าจอร์เจียมหาวิทยาลัยฟลอริดาสวนสาธารณะโคโลราโดรวมทั้งสัตว์ป่ามหาวิทยาลัยSaskatchewan และมหาวิทยาลัย Montana

Facebook Comments